UCARS是新加坡发展最为迅猛的新车及二手车在线交易市场。目前,UCARS正与华为展开合作,将AI和云计算技术融入平台,为消费者提供更透明、更安全和更满意的服务。
新加坡的车主们现在可以在UCARS平台上借助AI工具,在三天之内,以最高价格售出手头的车辆。这不仅展现了UCARS引领的东南亚汽车销售行业的现代化转型,也展示了UCARS以客户为中心的服务。
在UCARS在其平台成功搭建东南亚首款AI汽车估价工具之前,市场上其他的估价工具需要至少一天的时间来估算汽车的转售价格。现在,UCARS的AI估价工具做为东南亚市场上最快的估价工具,只需几秒钟的时间即可为客户估算汽车的转售价格。
数据显示,由于新冠疫情所带来的经济停滞,二手车销售比2019年平均同比增长15%,并在2020年9月达到了历史新高。消费者对新车和二手车的需求在东南亚地区一直在稳定增长。
UCARS首席技术官朱国毅表示,“根据我们的预测,部分新加坡人的经济水平会在最近回暖。再加上这段时间汽车需求和配额都有所减少,因此,未来几个月内,汽车销量会飙升。”
卖家Gideon Lam已经成功地在UCARS上卖出了2辆车。他表示,整个过程都是无缝体验,平台帮助他“准备了车辆转让的所需材料”,大大减少了他的准备工作。另一位卖家Michael Chong对UCARS大为赞赏,因为整个交易流程都是“顺畅透明的”。
“我们旨在打造安全无忧、操作简单的二手车交易流程,这也是我们不断投资AI技术,并与华为展开合作,进行深入探索的原因。” 朱国毅补充道。
“看到越来越多的新加坡公司开始在业务中应用AI技术,帮助本地消费者受益于AI,我们非常振奋。华为很高兴能够与UCARS合作,提高客户对汽车电商行业的信任度及改善客户体验,以领先的云和人工智能技术帮助更多新加坡及本地区企业。”华为云和AI业务亚太区总裁周丹金指出。
应用AI作出最佳决断
新冠疫情肆虐全球,世界各地的消费者早已改变了他们的购物方式。曾经长期依赖于当面交易的汽车销售行业也不例外。
因此,为了帮助消费者在短时间内做出更为明智的决定,UCARS选择与华为合作,逐步在平台上引入先进的AI工具和云服务。
在华为云技术加持下,UCARS将改进后的基础设施和云安全服务集成到平台上,以提高消费者信赖度。同时,UCARS也启动了多个AI相关的项目用于改善消费者体验,这些项目都是在华为的AI平台ModelArts上进行开发的,包括一个由机器视觉和机器学习驱动的汽车图像识别工具,以及一个全新开发的AI估价工具。
借助于改进的算法,UCARS的AI估价工具的每进行一次估价,准确性都会提高。通过准确估算汽车的价值,客户便可以放心无忧地在UCARS平台上销售汽车,因为他们对预期收入心知肚明。同时,在UCARS上进行交易所花费的时间也远比在其他汽车电商平台上花费的时间少得多。
与此同时,UCARS也在开发一款AI汽车图像识别工具,帮助客户仅仅通过图片便可识别出汽车的具体品牌和型号。有了机器视觉的加持,图像识别可以用来更有效、更准确地找到特定车辆。
随着政府对数字化转型的推动,AI平台、大数据平台等颠覆性技术日渐走红。UCARS等初创企业正在加紧研发和改造它们现有的技术。
朱国毅说:“我们相信,通过在深科技领域构筑强有力的内核,UCARS可在后疫情时代推动汽车电商行业的全新发展。”
透明体验,云上极享
值得注意的是,在数字化社会中,汽车销售行业由于陈旧、低效的运营流程,与客户进行有效沟通并建立良性关系变得越发困难。因此,客户对当地汽车经销商售出的汽车和提供的服务缺乏信任。
朱国毅表示,借助UCARS平台的社交系统,在不泄漏个人信息的前提下,消费者能够与汽车经销商进行无缝沟通。
此外,通过提供最新、最准确的信息,杜绝隐形收费和不公开的一揽子交易,消费者无需对经销商在UCARS平台上发布的信息产生担忧。
朱国毅补充说,在把后端系统迁移到华为云之后,UCARS平台变得更加稳定,处理大量数据也更快、更安全了。
自去年年初在新加坡推出以来,华为云已投入大量资源与UCARS等新加坡本土新兴企业合作。他们一同对后端基础设施和AI算法进行了优化,以更好地满足业务目标,同时也保证向用户提供安全且高效能的华为服务。此外,UCARS也是入围华为Spark 2020竞赛决赛圈的五家企业之一,该项目是华为为扶持全球科技类初创企业的加速器项目。
“通过搭建强固的架构,将大大提升经销商和消费者的用户体验。我们真诚地感谢华为在整个集成过程中提供的帮助与支持,同时,我们也期待未来与华为在更多项目中展开合作。” 朱国毅补充道。
以创新为核心,以技术为根基,通过将汽车行业的人际交往数字化,UCARS将持续拉近消费者和经销商之间的距离,成为引领汽车零售行业的未来之星。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。